Wprowadzenie
Celem niniejszego raportu jest analiza wpływu social media na życia
studentów. Raport zawiera przegląd kluczowych danych, ich wizualizacje
oraz obszerne wnioski. Zbiór danych zawiera 705 wierszy oraz
13kolumn.
Opis danych
Dane zawierają następujące kolumny:
Porządkowanie
danych
Braki danych
W danych znajduje się 100 % kompletnych wartości.
Walidacja danych
- czy wiek przyjmuje wartości od 16 - 25?
- czy godziny przyjmują wartości 0 - 24?
- czy wszystkie wartości liczbowe są większe od 0?
- czy mental health score i addicted score przyjmują wartości 1 -
10?
- płeć - kobieta lub mężczyzna?
- academic level - high school, undergraduate, graduate?
- relationship status - single, in relationship, complicated?
- affects academic performance - yes/no?
reguly <- validator(
Age >= 16 & Age <= 25,
Gender %in% c("Female", "Male"),
Academic_Level %in% c("High School", "Undergraduate", "Graduate"),
Avg_Daily_Usage_Hours > 0 & Avg_Daily_Usage_Hours < 24,
Affects_Academic_Performance %in% c("Yes", "No"),
Sleep_Hours_Per_Night >= 0 & Sleep_Hours_Per_Night <= 24,
Mental_Health_Score >= 1 & Mental_Health_Score<=10,
Relationship_Status %in% c("In Relationship", "Single", "Complicated"),
Addicted_Score >= 1 & Addicted_Score <= 10
)
cf <- confront(dane, reguly, key="Student_ID")
barplot(cf)
## Warning: The 'barplot' method for confrontation objects is deprecated. Use
## 'plot' instead

Wizualizacja
danych
Charakterystyka
demograficzna badanej grupy studenckiej
Rozkład Płci i
Poziomu Akademickiego
dane$Academic_Level <- factor(dane$Academic_Level,
levels = c("High School", "Undergraduate", "Graduate"))
dane$Gender <- factor(dane$Gender,
levels = c("Male", "Female")
)
ggplot(dane, aes(x = Academic_Level, fill=Gender)) +
geom_bar(position = "dodge") +
labs(title = "Rozkład płci i poziomu akademickiego",
x = "Poziom akademicki",
y = "Liczba studentów") +
theme_minimal()

Wiek badanych
ggplot(dane, aes(x = Age)) +
geom_histogram(binwidth = 0.5, fill = "skyblue", color = "black") +
labs(title = "Wiek badanych studentów",
x = "Wiek",
y = "Liczba studentów") +
theme_minimal()

Intensywność Używania
Social Mediów
Średni czas
użycia
ggplot(dane, aes(x = Avg_Daily_Usage_Hours)) +
geom_histogram(binwidth = 1, fill = "#9f2042", color = "#6c0d27") +
labs(title = "Średni czas użycia social mediów dziennie",
x = "Średni czas użycia (h)",
y = "Liczba studentów") +
theme_minimal()

Wpływ social mediów
na wyniki akademickie
wykres <- dane %>%
count(Addicted_Score) %>%
ggplot(aes( x = Addicted_Score, y=n)) +
geom_point(color= "blue")+
geom_line(color= "blue")+
labs(title = "Poziom uzależnienia uczniów",
x = "Poziom uzależnienia",
y = "Liczba uczniów") +
theme_minimal() +
theme(
plot.title = element_text(hjust = 0.5)
)
plotly:: ggplotly(wykres)
Największa liczba badanych koncentruje się na umiarkowanych i
wyższych poziomach uzależnienia, co wskazuje na powszechność
intensywnego korzystania z mediów społecznościowych w badanej
grupie.
ggplot(dane, aes(x = Affects_Academic_Performance)) +
geom_bar(fill = "#6c0d27", width= 0.5)+
scale_x_discrete(
labels = c(
"Yes" = "Tak",
"No" = "Nie"
)
) +
labs(title = "Wpływ social mediów na wyniki akademickie",
x = "Czy social media wpływają na wyniki akademickie?",
y = "Liczba studentów")+
theme_minimal()+
theme(
plot.title = element_text(hjust = 0.5)
)
Zdecydowana większość badanych zadeklarowała, że korzystanie z social
mediów wpływa na ich osiągnięcia akademickie, podczas gdy mniejsza część
respondentów nie dostrzega takiego wpływu. Uzyskane wyniki sugerują, że
studenci w dużym stopniu są świadomi oddziaływania mediów
społecznościowych na wyniki w nauce.
Wpływ social mediów
na relacje interpersonalne
ggplot(dane, aes(x = Avg_Daily_Usage_Hours, y = Conflicts_Over_Social_Media)) +
geom_point(alpha = 0.5) +
geom_smooth(method = "lm", col = "blue") +
labs(title = "Korelacja czasu używania social mediów z liczbą konfliktów") +
theme_light()
## `geom_smooth()` using formula = 'y ~ x'

Wykres przedstawia zależność pomiędzy przeciętną liczbą godzin
używania social mediów a liczbą konfliktów spowodanych social mediami
wraz z przeiwdywaną linią trendu. Przy wzroście średniego dziennego
użytkowania social mediów zauważa się również wzrost liczby konfliktów w
tym temacie.
3.4 Social media a zdrowie psychiczne
Wykres przedstawia linię regresji liniowej obrazującą zależność pomiędzy poziomem uzależnienia od social mediów a zdrowiem psychicznym studentów. Wraz ze wzrostem poziomu uzależnienia obserwuje się spadek wyników zdrowia psychicznego.